《机器学习实战》第四章基于概率论的分类方法：朴素贝叶斯
需积分: 15 43 浏览量
2022-08-04
11:37:28
上传
评论
收藏 968KB PDF 举报
4.1基于贝叶斯决策理论的分类方法
用p1(x,y)表示数据点(x,y)属于类别1(圆点)的概率，用p2(x,y)表示数据点(x,y)属于类别2(三角形)的概率。
对于一个新数据点(x,y)，通过下面的规则判断它的类别：
决策理论的核心思想是选择具有最高概率的决策。
4.2条件概率
条件概率是指事件A在事件B发生的条件下发生的概率。条件概率表示为：P（A|B），读作“A在B发生
的条件下发生的概率”。若只有两个事件A，B，那么
贝叶斯准则可有效计算条件概率，通过该准则可知如何交换条件概率中的条件与结果，即如果已知
P(x|c)，要求P(c|x)，那么可以使用下面的计算方法:
4.3使用条件概率来分类
朴素贝叶斯
优点:在数据较少的情况下仍然有效，可以处理多类别问题。
缺点:对于输入数据的准备方式较为敏感。
适用数据类型:标称型数据。
评论0
最新资源